| Definicje pojęć w zakresie architektury danych. |
|---|
| Napisane przez Sat 05 Mar 2011 przez Artur (3541 cztane) |
|
dr Jerzy ROSZKOWSKI, Management Systems Consulting http://www.mcs-roszkowski.com.pl Definicje pojęć w zakresie architektury danych (1) Architektura danych opiera się o zbiór modeli danych zbudowanych w oparciu o obiektowo zorientowany model. Tak zbudowany model informacyjny jest zbudowany z abstraktów (klas ). W tym artykule nie będzie omawiany relacyjny model danych. Elementami graficznymi z których konstruuje się modele danych są: - klasy - atrybuty klas - relacje (asocjacji, relacji, generalizacji specjalizacji) - stereotypy - ograniczenia (constraint) - etykieta W skład aparatu pojęciowego związanego z modelowaniem danych wchodzą jeszcze: - wzorce projektowe - pakiety - modele - metamodele Poniższa tabela obejmuje zestawienie alfabetyczne najważniejszych pojęć w zakresie architektury danych. Zakres obejmują pojęcia w zakresie modelowania danych, celów i wymagań architektonicznych w zakresie danych. ABE (Aggregate Business Objects) - Definicja: Wg nomenklatury SID grupa obiektów danych (reprezentowana na zewnątrz przez pakiet) dotycząca tego samego widoku/ profilu obszaru biznesowego. - Kategoria: SID (Standard Telecom) Atrybut - Definicja: Atrybut reprezentuje dane które definiują podstawową charakterystykę danego obiektu (klasy). - Kategoria pojęciowa: UML, Bazy danych Diagram celów (architektonicznych) -Definicja: Model w którym będzie przedstawiona struktura celów dotyczących architektury danych. Należy w nim odróżnić cele biznesowe od technicznych. - Kategoria pojęciowa: ARIS Diagram Klas (UML) Diagram celów (architektonicznych) -Definicja: Standard w którym przedstawione są wszystkie modele danych w tym dokumencie. Diagram klas odzwierciedla logiczną strukturę obszaru biznesowego, który modeluje. - Kategoria pojęciowa: UML Diagram struktury wiedzy -Definicja: Diagram Aris pokazujący strukturę aparatu pojęciowego bazy wiedzy na temat architektury danych - Kategoria pojęciowa: ARIS Etykieta -Definicja: Jeden z 3 mechanizmów rozszerzania w UML, oznacza przypisanie własności do modelu do elementu UML. - Kategoria pojęciowa: UML Informacja -Definicja: Struktura złożona z danych. -Kategoria pojęciowa: Teoria systemów Integralność Danych (Data Integrity) -Definicja: Pojęcie z teorii relacyjnych baz danych. Dzieli się na: „Entity Integrity" , "Referential Integrity", Domain Integrity" Entity Integrity - Każda z encji musi mieć unikalny identyfikator # od 0, który wyróżnia pojedyncze wystąpienie jej z kolekcji wystąpień, których modelem jest encja, Referential Integrity - reguła, która określa stany, w jakich może znajdować się wartość klucza obcego. Dopuszczalne są tylko dwa takie stany: wartość klucza obcego przybiera wartość klucza głównego lub wartość „null” (patrz także więzy integralności) Domain Integrity - definiuje reguły na dopuszczalne wartości danych (typ danych, długość pól, akceptowalność wartości NULL, wartości domyślne -Kategoria pojęciowa: Bazy danych Interfejs -Definicja: Definiuje zobowiązania dla komponentu implementującego interfejs. Komponent realizujący interfejs implementuje właściwości deklarowane przez interfejs. Komponent wymagający określonego interfejsu informuje, że współpracuje z komponentami dostarczającymi dany interfejs. -Kategoria pojęciowa: UML Interoperacyjność (informacyjna) systemów -Definicja: Interoperacyjność (informacyjna) jest zachowana jeżeli systemy informatyczne wymieniają komunikaty, które są jednakowo rozumiane syntaktycznie i semantycznie -Kategoria pojęciowa: Systemy Informacyjne Jakość danych/ metadanych -Definicja: Pojęcie złożone. Jakość danych mierzona jest łącznie poprzez ich właściwą integralność, masterowość, minimalną redundancję, odpowiedni model konceptualny, wymagalna spójność Dane odpowiedniej jakości muszą mieć spełnione łącznie te wszystkie wymagania. -Kategoria pojęciowa: Zarządzanie jakością danych Klasa (UML) -Definicja: Jest opisem obiektów posiadających te same atrybuty, operacje, związki oraz semantykę. -Kategoria pojęciowa: UML Kompletność danych - Definicja kompletności : 1.Opis każdej danej powinien dać się skompletować do postaci informacji tj jest może być przedstawiony w postaci czwórki piątki: (N, D, DD, JM,), gdzie N- nazwa danej, D- definicja danej, DD - Dziedzina danej, JM - jednostka miary. (czas pomiaru danej lub czas rejestracji danej). 2. Dane powinny zawierać wszystkie informacje niezbędne dla danego obszaru biznesowego 3.Dane spełniają wszystkie wymagane reguły biznesowe w przedmiotowym obszarze 4. Dane są wystarczająco dokładne i prawdziwe. -Kategoria pojęciowa: Zarządzanie jakością danych Komponent -Definicja: Część systemu, która stanowi zamkniętą wymienną całość. Zachowanie komponentu definiowane jest przez interfejsy - udostępniane lub wykorzystywane. -Kategoria pojęciowa: UML Masterowość Danych -Definicja: Przypisanie systemu do danych, który jest właściwy do zarządzania tymi danymi -Kategoria pojęciowa: Analiza systemowa Metadane -Definicja: Definicje Klas/encji wraz z definicjami atrybutów oraz unikalnych identyfikatorów oraz więzów integralności wynikających z relacji -Kategoria pojęciowa: Systemy Informacyjne Metamodel -Definicja: Model definiujący składnię, semantykę i pragmatykę wprowadzanego modelu, notacji lub diagramu (przykładem metamodelu jest rys. 2) -Kategoria pojęciowa: UML Model (konceptualny danych) -Definicja: Jest pośrednikiem między rzeczywistością a systemem informatycznym reprezentuje diagram zbudowany z elementów tworzony w oparciu o wymagania na dane i reguły modelowania. Diagram klas (reprezentujący model konceptualny danych) to statyczny diagram strukturalny, przedstawiający strukturę systemu przez ilustrację struktury klas i zależności między nimi. -Kategoria pojęciowa: UML Odpowiedni model konceptualny danych (spójność, zakres biznesowy) -Definicja: 1.Model który będzie zawierał dane spójne i minimalnie redundantne (spełnienie 3 Reguły normalnej Coddâa ) 2. Zakres biznesowy i granulacja taka jaka wymagają funkcje realizowane przez system. 3. Jest zgodny z wymagalnymi standardami (UML, wzorce projektowe) -Kategoria pojęciowa: Bazy danych Ograniczenie -Definicja: Inaczej „Constraint" jeden z Jeden z 3 mechanizmów rozszerzania w UML. Warunek semantyczny lub zastrzeżenie (w formie wyrażenia Boolowskiego) wyrażony tekstowo ( w języku naturalnym lub pseudokodzie lub w języku OCL (UML Object Constraint Language). -Kategoria pojęciowa: UML Pakiet -Definicja: Grupuje elementy modeli w tym modeli danych. -Kategoria pojęciowa: UML Prawidłowa alokacja danych -Definicja: Prawidłowa alokacja oznacza alokację zgodnie z modelem danych i modelem funkcjonalnym w danym sektorze (np. Etom i TAM w Telekomach) o ile strategie nie mówią inaczej. Celem jest wdrażanie rozwiązań zapewniających odpowiednie, zgodne z długoterminowymi założeniami dla środowiska zapewnienie masterowości danych, oraz procesów dystrybucji tych danych. -Kategoria pojęciowa: Systemy Informacyjne (NGOSS- telecom) Redundancja danych/metadanych -Definicja: Inaczej dublowanie się informacji. -Kategoria pojęciowa: Teoria informacji Spójność danych (Data Consistency) -Definicja: Dane spójne to dane poprawne i co do wartości i struktury. -Kategoria pojęciowa: Teoria informacji Stereotyp -Definicja: Jeden z 3 mechanizmów rozszerzania w UML .Stereotyp jest to zdefiniowany przez użytkownika metaelement, który pozwala na uszczegółowienie znaczenia określonego elementu poprzez dodanie informacji związanych z jego charakterystyką Wyrażany w postaci nazwy w podwójnych nawiasach trójkątnych < -Kategoria pojęciowa: UML Wymagania na architekturę danych -Definicja: Diagram wymagań opisujący strukturę wymagań w zakresie architektury danych -Kategoria pojęciowa: Aris Wzorzec projektowy -Definicja: Wzorce charakteryzują często powracające problemy znajdowane w wielu projektach i dostarczają gotowych do użycia rozwiązań dla często powracających problemów. Rozwiązanie ma charakter abstrakcyjny i jest możliwe do zastosowania w wielu rzeczywistych kontekstach. -Kategoria pojęciowa: UML Ilustracją pojęć w zakresie modelowania jest poniższy diagram struktury wiedzy w zakresie modelowania pokazujący relacje pomiędzy poszczególnymi konceptami wchodzącymi w skład obszaru wiedzy dotyczącego modelowania danych. Definicje tych oraz innych pojęć wchodzących w skład architektury danych podaje tabela zamieszczona powyżej. Poniższy diagram oraz definicje jego elementów podane w tabeli określają sposób budowania składni i i semantyki modeli danych. 1. Zakres pojęć (metamodel) potrzebny do budowania modeli danych Ilustracją pojęć w zakresie modelowania jest poniższy diagram struktury wiedzy w zakresie modelowania pokazujący relacje pomiędzy poszczególnymi konceptami wchodzącymi w skład obszaru wiedzy dotyczącego modelowania danych. Definicje tych oraz innych pojęć wchodzących w skład architektury danych podaje tabela zamieszczona powyżej. Poniższy diagram oraz definicje jego elementów podane w tabeli określają sposób budowania składni i i semantyki modeli danych. Rys.2. Diagram struktury wiedzy (ARIS) w zakresie modelowania danych (metamodel pojęć modelowania danych). 2. Cele architektoniczne w zakresie danych) Budowa architektury danych jest ściśle związana z celami architektonicznymi w tym zakresie i wymaganiami jakie ma ona spełniać w środowisku. Poniżej na rysunku przedstawiono diagram celów architektonicznych w zakresie danych (wg standardu Aris). Ze względu na wieloaspektowość dekompozycji celów dekompozycja ta nie może być wszędzie rozłączna. Cele szczegółowe które występują kilkakrotnie w drzewie nazwano „celami wspólnymi" (common goals). Cele architektoniczne w zakresie danych są jednym z aspektów wymagań na proste środowisko. Kompletność i jakość danych umożliwia posługiwanie się nimi w przetwarzaniu, natomiast zapewnienie interoperacyjności związane jest z budową złożonych komunikatów jednoznacznie zrozumiałych przez nadawcę (system wytwarzający) i odbiorcę (system odbierający) . Rys.3. Cele architektoniczne w zakresie danych 3. Wymagania w zakresie modelowania danych Na poniższym rysunku przedstawiono wymagania na model konceptualny danych . Redundancja i spójność danych zostały zdefiniowane w tabeli1 powyżej. Pozostałe pojecia z tego rysunku należy rozumiec następująco: Wymagalna granulacja - (inaczej ziarnistość danych) oznacza wymaganą powtarzalną długość okresu czasowego w którym dane są gromadzone Odpowiedni zakres biznesowy - oznacza zakres modelu danych powinien obejmować zakres biznesowy niezbędny dla realizacji celu biznesowego Zgodność ze standardami i wzorcami - oznacza zgodność z UML (diagram klas, oraz normamalizację danych do 3 formy normalnej Coddâa) Rys 4. Wymagania na modele danych. 1. Niniejszy artykuł jest chroniony prawem autorskim w rozumieniu przepisów ustawy o prawie autorskim i prawach pokrewnych (Dz. U. z 2006 r. Nr 90, poz. 631 z późn. zm.). |
| Indeks :: Drukuj :: E-mail |
Komentarze są własnością ich autorów. Nie ponosimy odpowiedzialności za ich treść.
